Data Scientist at Tecu Spa

Lenguajes y entornos de análisis

• Python (indispensable): manejo avanzado de librerías como NumPy, Pandas, Scikit-learn, PyMC, Statsmodels y Matplotlib/Seaborn.
• R (deseable): para análisis estadístico profundo y validación de modelos.

Modelado estadístico y simulación

• Conocimientos en modelos probabilísticos, Monte Carlo, Bayesian inference, y análisis de sensibilidad.
• Diseño de experimentos y validación de hipótesis.

Arquitecturas de datos y procesamiento distribuido

• Experiencia en Databricks, Apache Spark, y arquitectura Medallion (Bronze–Silver–Gold).
• Comprensión de flujos ETL/ELT, optimización de pipelines y manejo de datos estructurados y no estructurados.